Sürekli mıknatıslı senkron motorun stator kısa devre arızasının tespiti ve arıza şiddetinin otomatik olarak belirlenmesi

(1)

T.C.

İNÖNÜ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

SÜREKLİ MIKNATISLI SENKRON MOTORUN STATOR KISA DEVRE ARIZASININ TESPİTİ VE ARIZA ŞİDDETİNİN OTOMATİK OLARAK

BELİRLENMESİ

FERHAT ÇIRA

DOKTORA TEZİ

ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI

ŞUBAT 2017

(2)

T.C.

İNÖNÜ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

SÜREKLİ MIKNATISLI SENKRON MOTORUN STATOR KISA DEVRE ARIZASININ TESPİTİ VE ARIZA ŞİDDETİNİN OTOMATİK OLARAK

BELİRLENMESİ

FERHAT ÇIRA

DOKTORA TEZİ

ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI

ŞUBAT 2017

(3)

Eşim ve Kızıma

(4)

Tezin Başlığı: Sürekli Mıknatıslı Senkron Motorun Stator Kısa Devre Arızasının Tespiti ve Arıza Şiddetinin Otomatik Olarak Belirlenmesi

Tezi Hazırlayan: Ferhat ÇIRA

Sınav Tarihi: 27.02.2017

Yukarıda adı geçen tez jürimizce değerlendirilerek Elektrik-Elektronik Mühendisliği Anabilim Dalında Doktora Tezi olarak kabul edilmiştir.

Sınav Jüri Üyeleri

Prof. Dr. Mehmet Salih MAMİŞ ……….

İnönü Üniversitesi

Tez Danışmanı: Prof. Dr. Müslüm ARKAN ……….

İnönü Üniversitesi

Doç. Dr. Ahmet ALKAN ……….

Kahramanmaraş Sütçü İmam Üniversitesi

Doç. Dr. Muhsin Tunay GENÇOĞLU ……….

Fırat Üniversitesi

Yrd. Doç. Dr. Taner GÖKTAŞ ……….

İnönü Üniversitesi

Prof. Dr. Halil İbrahim ADIGÜZEL Enstitü Müdürü

(5)

ONUR SÖZÜ

Doktora Tezi olarak sunduğum “Sürekli Mıknatıslı Senkron Motorun Stator Kısa Devre Arızasının Tespiti Ve Arıza Şiddetinin Otomatik Olarak Belirlenmesi”

başlıklı bu çalışmanın bilimsel ahlak ve geleneklere aykırı düşecek bir yardıma başvurmaksızın tarafımdan yazıldığını ve yararlandığım bütün kaynakların, hem metin içinde hem de kaynakçada yöntemine uygun biçimde gösterilenlerden oluştuğunu belirtir, bunu onurumla doğrularım.

Ferhat ÇIRA

(6)

i ÖZET Doktora Tezi

SÜREKLİ MIKNATISLI SENKRON MOTORUN STATOR KISA DEVRE ARIZASININ TESPİTİ VE ARIZA ŞİDDETİNİN OTOMATİK OLARAK

BELİRLENMESİ

Ferhat ÇIRA

İnönü Üniversitesi Fen Bilimleri Enstitüsü

Elektrik-Elektronik Mühendisliği Anabilim Dalı

115+xiv sayfa

2017

Danışman: Prof. Dr. Müslüm ARKAN İkinci Danışman: Yrd. Doç. Dr. Bilal GÜMÜŞ

Stator arızaları elektrik makinalarında yaygın olarak görülen arıza türlerinden biridir. Statorunda kısa devre arızası bulunan bir elektrik makinası istenen performansı ve verimi gösteremez. Bir elektrik makinasının statorundaki herhangi iki sarımın kısa devre olması o sarımlar arasında yüksek bir ısı artışına sebep olmakta ve kısa sürede etrafındaki sarımların da kısa devre olmasına neden olabilmektedir. Bu yüzden, küçük oranlarda başlayan kısa devre olayı hızlı biçimde yayılarak makinanın çalışmasını etkileyebilmektedir. Özellikle hassas hız ve konum kontrolü gerektiren uygulamalarda sıkça kullanılan bir motor türü olan sürekli mıknatıslı senkron motorlarda (SMSM), statorda meydana gelebilecek kısa devre olayı beklenmeyen sonuçlar doğurabileceğinden erken evrede tespiti oldukça kritik ve önemlidir.

Bu tez çalışmasında, bir SMSM’nin stator sarımlar arası kısa devre arızasının henüz başlangıç aşamasında iken tespitine ve arıza şiddetinin belirlenebilmesine imkân sağlayan iki yöntem önerilmektedir. İlk yöntem sadece bir stator faz akımını kullanarak akımın spektrumundan elde edilen temel ve 3. harmonik bileşenlerinin

(7)

ii

genliklerinden arızayı ve arıza şiddetini geniş bir yük ve hız aralığında tespit etmektedir. Diğer yöntem ise; SMSM’nin stator 3-faz akım ve gerilim sinyallerinden Park dönüşümü aracılığı ile elde edilen akım ve gerilim uzay vektörlerinde stator kısa devre arızasına bağlı olarak değiştiği tez kapsamında yapılan çalışmalarla tespit edilen pozitif ve negatif arıza harmoniklerini kullanarak çok geniş bir hız ve yük aralığında stator kısa devre arızasını ve şiddetini tespit etmektedir. Her iki yöntemde de stator kısa devre arızasını ve şiddetini otomatik olarak yüksek doğrulukta tespit edebilmek için yapay sinir ağları kullanılmıştır.

Arıza tespiti ve arıza şiddetinin belirlenmesi için SMSM’nin matematiksel durum denklemleri kullanılarak Matlab/Simulink ortamında oluşturulan sağlıklı ve arızalı motor modellerinin benzetimi ile her iki yöntemde kullanılan arıza sinyalleri (imzaları) test edilmiştir. Deneysel devre düzeneği kullanılarak benzer sonuçlar elde edilmiştir.

Bu tezde arıza tespiti ve arıza şiddetinin belirlenmesi için deneysel düzenekten elde edilen arıza imzaları ile örüntüler elde edilmiş ve makina öğrenme algoritmaları ile arıza şiddetinin sınıflandırılması sağlanmıştır. Farklı arıza oranlarına sahip motorlardan geniş bir hız ve yük aralığında elde edilen arıza imzaları ile farklı makina öğrenme algoritmaları eğitilmiş ve sonuçları birbiriyle karşılaştırılmıştır. Bu algoritmaların doğrulukları ve başarıları dikkate alınarak stator kısa devre arızasının tespitinde hangi algoritmaların daha uygun olduğu belirtilmiştir.

ANAHTAR KELİMELER: Stator kısa devre arızası, Arıza tespiti, Sürekli mıknatıslı senkron motor (SMSM), Makina öğrenme algoritmaları, Negatif ve pozitif harmonik analizi.

(8)

iii ABSTRACT Ph. D. Thesis

AUTOMATIC DETERMINATION OF STATOR SHORT CIRCUIT FAULT AND FAULT SEVERITY OF PERMANENT MAGNET SYNCHRONOUS MOTOR

Ferhat ÇIRA

İnönü University

Graduate School of Natural and Applied Sciences Electrical-Electronics Engineering

115+xiv pages

2017

Supervisor: Prof. Dr. Müslüm ARKAN Co-Supervisor: Asst. Prof. Dr. Bilal GÜMÜŞ

Stator faults are one of the types of faults that are common in electric machines. An electric machine with a short circuit fault in the stator can not provide the desired performance and efficiency. The short circuit between two windings in the stator of an electric machine results in a high temperature rise between those windings and in a short time it can cause a short circuit in the windings around. Thus, the short-circuit phenomenon that begins at small ratios can spread rapidly and affect the operation of that machine. The stator short-circuit detection at early-stage is critical and important because it may cause unexpected results, especially in permanent magnet synchronous motors (PMSM), commonly used in applications where precise speed and position control is required.

In this thesis, two methods are proposed which enable the fault detection and fault severity estimation of a PMSM while the short-circuit fault between stator windings is still in its initial stage. The first method uses one stator phase current

(9)

iv

only to detect the fault and the severity of the fault from the amplitudes of the fundamental and 3^rdharmonic components obtained from the current spectrum at a wide load and speed range. The other method uses the positive and negative stator short-circuit fault related harmonics in the current and the voltage space vectors, which are identified by the studies made in the thesis, to detect short circuit fault and fault severity at wide range of speed and load conditions. The space vectors are obtained from the stator 3-phase current and voltage signals of the PMSM by the Park transformation. In both of the methods, artificial neural networks were used to automatically detect the stator short-circuit fault and determine fault severity at high accuracy rate.

For the detection of fault and determination of fault severity, PMSM's mathematical equations are used to simulate the faulty motor models created in Matlab / Simulink environment and the fault signatures used in the two methods are tested. Similar results were obtained using an experimental test bench.

In this thesis, for the detection of fault and estimation of fault severity, patterns were formed by fault signatures obtained from experimental test bench and classification of fault severity was provided by machine learning algorithms. Various machine learning algorithms are trained and the results are compared with each other using fault signatures obtained from motors with different fault rates at a wide speed and load range conditions. Considering accuracy and success of the algorithms, the suitability of the algorithms for determination of stator short circuit fault were identified.

KEYWORDS: Stator inter-turn fault, fault detection, Machine learning algorithms, Permanent magnet synchronous machine (PMSM), Negative and positive harmonic analysis.

(10)

v TEŞEKKÜR

Tez çalışmam boyunca bilgi, birikim ve ilminden her zaman faydalandığım, çalışmalarımın her safhasında yardım ve önerilerini benden eksik etmeyen, büyük fedakârlık gösteren değerli danışman hocam Sayın Prof. Dr. Müslüm ARKAN’a en içten teşekkürlerimi sunarım.

Tez çalışmam ve akademik yaşantım boyunca bana her türlü desteği sunan, cesaretlendiren, bana inanan ve güvenen ikinci danışmanım Sayın Yrd. Doç. Dr.

Bilal GÜMÜŞ ve Yrd. Doç. Dr. Rojan GÜMÜŞ’e teşekkürü bir borç bilirim.

Doktora çalışmalarım boyunca beni değerli bilgileriyle yönlendiren tez izleme komitesi üyeleri sayın Prof. Dr. M. Salih MAMİŞ ve Yrd. Doç. Dr. Ömer Faruk ÖZGÜVEN’e ve bana destek olan ve çalışmalarıma yorumda bulunan elektrik makinaları grubundan Yrd. Doç. Dr. Taner GÖKTAŞ’a teşekkür ederim.

Bugünlere gelmemde büyük pay sahibi olan, hayatımın her evresinde maddi ve manevi olarak beni hep destekleyen annem Sultan ÇIRA, babam Mahmut ÇIRA ve tüm kardeşlerime ayrıca tez çalışmam boyunca bana her zaman destek olup, cesaretlendiren, anlayış ve sabır gösteren eşim Dr. Sümeyra Cevheroğlu ÇIRA ve kızım Yağmur ÇIRA'ya en içten teşekkürlerimi sunarım.

Doktora çalışmasını 2013/57 numaralı proje ile desteklediği için İnönü Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimine, kullandığımız motorların özel imalatını yapan FEMSAN firmasına, firma yetkilileri Burçin ve Tuncay beylere, laboratuvarlarında çalışma imkânı bulduğum Dicle Üniversitesi Elektrik-Elektronik Mühendisliği ve İnönü Üniversitesi Elektrik-Elektronik Mühendisliği bölümleri akademik ve idari personellerine teşekkürlerimi sunarım.

(11)

vi İÇİNDEKİLER

ÖZET ... i

ABSTRACT ... iii

TEŞEKKÜR ... v

İÇİNDEKİLER ... vi

ŞEKİLLER LİSTESİ ... ix

TABLOLAR LİSTESİ ... xii

SİMGELER VE KISALTMALAR ... xiii

1. GİRİŞ ... 1

1.1. Genel Bakış ... 1

1.2. SMSM Arızaları ... 2

1.2.1. Sarımlar Arası Kısa Devre Arızası ... 4

1.2.2 Rotor Mıknatıslarının Demanetizasyonu Arızası ... 6

1.2.3. Eksen Kaçıklığı ... 8

1.2.4. Rulman Hasarları ... 8

1. 3. Tezin Amacı ... 9

1. 4. Tez İçeriği ... 10

2. DAHA ÖNCE YAPILAN ÇALIŞMALARIN ÖZETİ ... 12

2.1. Elektrik Makinalarının Statorunda Meydana Gelen Arızalar ile İlgili Çalışmalar ... 13

2.2. SMSM’lerde Stator Sarım Arızasının Tespiti Üzerine Yapılan Çalışmalar ... 17

2.3. Sonuç ... 20

3. TEZDE KULLANILAN YÖNTEMLER ... 21

3.1. Durum İzleme... 21

3.1.1 Veri Toplama ... 22

3.1.2 Arıza Tespiti ... 22

3.1.3 Arıza Teşhisi ... 23

3.2 Sinyal İşleme ve Spektral Analiz ile Arıza Tespiti ... 24

3.2.1 Ayrık-Zamanlı Fourier Dönüşümü (DFT) ... 25

3.2.1.1 Reel Sinyalin FFT’si ... 26

(12)

vii

3.2.1.2 Kompleks Sinyalin FFT’si ... 26

3.2.1.3 Negatif Frekans İçeren Kompleks Sinyalin FFT’si ... 27

3.3 Stator Kısa Devre Arızası Tespit Yöntemleri ... 29

3.3.1 Stator Akımının 3. harmonik Genlik Değeri Değişimi Kullanılarak Arıza Tespiti ... 29

3.3.2 Uzay Vektör Negatif ve Pozitif Akım ve Gerilim Bileşenlerinin Harmonik Analizi... 31

3.4. Arıza Şiddetinin Otomatik Belirlenmesinde Kullanılan Yöntemler ... 36

3.4.1 Çok Katmalı Yapay Sinir Ağı ile Sınıflandırma ... 39

3.4.2 Destek Vektör Makinası ile Sınıflandırma ... 42

3.4.3 k-En Yakın Komşuluk Yöntemi ile Sınıflandırma ... 45

3.4.4 Karar Ağacı Yöntemi ile Sınıflandırma ... 47

3.4.5 Rastgele Orman Algoritması ile Sınıflandırma ... 49

3.5 Sonuç ... 50

4. STATOR SARIMLAR ARASI KISA DEVRE ARIZALI SÜREKLİ MIKNATISLI SENKRON MOTORUN MATEMATİKSEL MODELİ, BENZETİMİ VE SONUÇLARI ... 51

4.1 Sağlıklı Motorun Benzetim Sonuçları ... 59

4.2 Kısa Devre Oranı %0.5 olan Arızalı Motor Benzetim Sonuçları ... 60

4.3 Kısa Devre Oranı %1 olan Arızalı Motor Benzetim Sonuçları... 61

4.6 Kısa Devre Oranı %12.5 olan Arızalı Motor Benzetim Sonuçları ... 64

4.7 Benzetim Modelinden Elde Edilen Stator Faz Akımlarının Frekans Düzleminde Analiz Edilmesi ... 65

5. DENEYSEL DEVRE DÜZENEĞİ VE DENEYSEL SONUÇLAR ... 68

5.1 Deneysel Devre Düzeneği ... 68

5.1.1 Veri Toplama Sistemi ... 68

5.1.2 Motor ve Yükleme Sistemi ... 70

5.2 Deneylerin Yapılışı ... 71

5.3 Deneysel Sonuçlar ... 73

(13)

viii

5.3.1 Stator Akımının 3. Harmonik Genlik Değeri Değişimi Kullanılarak Arıza

Tespiti ... 73

5.3.2 Stator Akımın 3. Harmonik Değişimi ile Arıza Şiddetinin Belirlenmesi ... 75

5.3.3 Stator Akım ve Gerilimlerinin Uzay Vektör Negatif ve Pozitif Bileşen Harmonikleri Kullanılarak Arıza Tespiti ... 77

5.3.4 Stator Akım ve Gerilimlerin Uzay Vektör Negatif ve Pozitif Bileşen Harmonikleri Kullanılarak Arıza Şiddetinin Belirlenmesi ... 82

6. SONUÇLAR VE ÖNERİLER ... 97

6.1. Sonuçlar ... 97

6.2 Öneriler ... 100

7. KAYNAKLAR ... 102

(14)

ix

ŞEKİLLER LİSTESİ

Şekil 1.1 SMSM’nin arıza türleri ... 3

Şekil 1.2 Büyük motorlar için motor arızaları anketi ... 3

Şekil 1.3 Bir SMSM’de stator sarımlar arası kısa devre arızası gösterimi ... 4

Şekil 1.4 Statorunun bir fazındaki sarımlar arasında kısa devre olayı ... 5

Şekil 1.5 SMSM’nin sürekli mıknatıslarının çalışma noktaları ... 7

Şekil 3.1 Arıza Teşhis Yöntemleri ... 24

Şekil 3.2 Reel sinyalin FFT spektrumu. ... 26

Şekil 3.3 Kompleks sinyalin FFT spektrumu. ... 27

Şekil 3.4 Sinüzoidal kompleks bir işaretin negatif ve pozitif yönde gösterimi ... 27

Şekil 3.5 Negatif sinyal içeren kompleks sinyalin FFT spektrumu. ... 29

Şekil 3.6 Arıza tespitinin ve arıza şiddetinin stator akımının 1. ve 3. harmonik genliği ile yapılması iş-akış şeması... 31

Şekil 3.7 Arıza tespiti ve arıza şiddetinin uzay vektör akım ve gerilimlerinin pozitif ve negatif harmonikleri ile yapılması iş-akış şeması ... 35

Şekil 3.8 Bir örüntü tanıma sistemi blok diyagramı. ... 38

Şekil 3.9 MLP’nin şematik gösterilişi. ... 40

Şekil 3.10 Doğrusal Olarak ayrılabilen (örtüşmeyen) veri kümesi ... 43

Şekil 3.11 SVM ile sınıflandırma mimarisi. ... 44

Şekil 3.12 K-en yakın komşuluk sınıflandırma yöntemi. ... 46

Şekil 3.13 Karar Ağacı Diyagramı. ... 48

Şekil 3.14 Rastgele Orman (RF) Algoritması Örneği. ... 50

Şekil 4.1 isf,abc stator akımlarının ve V0 elde edilmesi. ... 54

Şekil 4.2 Arızalı durumda is,abc’nin elde edilmesi. ... 56

Şekil 4.3 Arıza akımı if’nin elde edilmesi ... 57

Şekil 4.4 V0’ın elde edilmesi. ... 57

Şekil 4.5 Sarımlar arası kısa devre arızalı SMSM’nin gerilim kaynaklı inverter (VSI) sürücülü hız kontrol modelinin Matlab/Simulink benzetimi. ... 58

Şekil 4.6 Stator gerilimleri (Vabc) ... 59

Şekil 4.7 Stator akımları (iabc) ... 59

Şekil 4.8 Kısa devre akımı (if) ... 59

(15)

x

Şekil 4.24 (a) Sağlıklı SMSM, (b) %2 kda, (c) %12.5 kda, (d) %25 kda SMSM’nin benzetim modelinden elde edilen akım spektrumlarının karşılaştırılması ... 65

Şekil 5.1 (a) Gerilim algılama devresi (b) Akım algılama devresi ... 69

Şekil 5.2 Deneysel sistemin şematik gösterimi... 71

Şekil 5.3 Deneysel sistemin görüntüsü. ... 71

Şekil 5.4 Stator akım spektrumları a) %2 kda, b) %12.5 kda, ve c) %25 kda ... 74

Şekil 5.5 Arıza tespiti ve arıza şiddetinin belirlenmesinde stator akımının 1. ve 3. harmonik genlik değerlerinin sınıflandırmada kullanılmasının şematik gösterimi. ... 75

Şekil 5.6 MLP kullanılarak otomatik arıza tespiti doğruluk tablosu. ... 76

Şekil 5.7 MLP kullanılarak otomatik arıza şiddetinin belirlenmesi için doğruluk tablosu ... 76

Şekil 5.8 1300 dev/dk hızda, yüksüz çalışan sağlıklı ve arızalı SMSM için negatif ve pozitif akım harmoniklerinin değişiminin karşılaştırılması ... 78

Şekil 5.9 1300 dev/dk hızda tam yükte çalışan sağlıklı ve arızalı SMSM için negatif ve pozitif akım harmoniklerinin değişiminin karşılaştırılması ... 79

Şekil 5.10 1300 dev/dk hızda yüksüz çalışan sağlıklı ve arızalı SMSM için negatif ve pozitif gerilim harmoniklerinin değişiminin karşılaştırılması .... 79

(16)

xi

Şekil 5.11 1300 dev/dk hızda tam yükte çalışan sağlıklı ve arızalı SMSM için negatif ve pozitif gerilim harmoniklerinin değişiminin karşılaştırılması .... 80 Şekil 5.12 2000 dev/dk hızda yüksüz çalışan sağlıklı ve arızalı SMSM için

negatif ve pozitif akım harmoniklerinin değişiminin karşılaştırılması. ... 80 Şekil 5.13 2000 dev/dk hızda tam yükte çalışan sağlıklı ve arızalı SMSM için

negatif ve pozitif akım harmoniklerinin değişiminin karşılaştırılması ... 81 Şekil 5.14 2000 dev/dk hızda yüksüz çalışan sağlıklı ve arızalı SMSM için

negatif ve pozitif gerilim harmoniklerinin değişiminin karşılaştırılması .... 81 Şekil 5.15 2000 dev/dk hızda tam yükte çalışan sağlıklı ve arızalı SMSM için

negatif ve pozitif gerilim harmoniklerinin değişiminin karşılaştırılması .... 81 Şekil 5.16 Negatif gerilim bileşenleri (a) temel harmonik imzası (–fv)’nin arıza

şiddetine bağlı değişimi, (b) 3. harmonik imzası (–3fv)’nin arıza şiddetine bağlı değişimi. ... 85 Şekil 5.17 (a) Negatif akım bileşeni 3. harmonik imzası (–3fc), (b) Pozitif akım

bileşeni 3. harmonik imzası (+3fc)’nin arıza şiddetine bağlı değişimi. ... 86 Şekil 5.18 (a) Pozitif akım bileşeni 3. harmonik imzası (+3fc)’nın arıza şiddetine

göre dağılımı. (b) Negatif akım bileşeni 3. harmonik imzası (–3fc)’nın arıza şiddetine göre dağılımı ... 89 Şekil 5.19 (a) Negatif gerilim bileşeni temel harmonik imzası (–fv)’nin arıza

şiddetine göre dağılımı. (b) Negatif gerilim bileşeni 3. harmonik imzası (–3fv)’nin arıza şiddetine göre dağılımı. ... 90 Şekil 5.20 Arıza tespitinin ve arıza şiddetinin uzay vektör akım ve gerilimlerinin

pozitif ve negatif harmonikleri ile sınıflandırılmasının şematik gösterimi .. 91 Şekil 5.21 MLP ile arıza şiddetinin belirlenmesi doğruluk sınıflandırma tabloları

(a) –fv , (b) –3fc ... 92 Şekil 5.22 MLP ile arıza şiddetinin belirlenmesi doğruluk sınıflandırma tabloları (a) –3fv, (b) +3fc. ... 94

(17)

xii

TABLOLAR LİSTESİ

Tablo 4.1 SMSM Benzetim Modeli Parametreleri ... 58

Tablo 4.2 800 dev/dk tam yüklü ... 67

Tablo 4.3 1800 dev/dk tam yüklü ... 67

Tablo 5.1 SMSM Parametreleri ... 70

Tablo 5.2 Stator akımının 3. harmonik genliği arıza imzası ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi ... 77

Tablo 5.3 1300 dev/dk-Yüksüz ... 83

Tablo 5.4 1300 dev/dk-Tam yüklü ... 84

Tablo 5.5 2000 dev/dk-Yüksüz ... 84

Tablo 5.6 2000 dev/dk-Tam yüklü ... 84

Tablo 5.7 –fv Arıza imzası ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi ... 91

Tablo 5.8. -3fc Arıza imzası ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi ... 93

Tablo 5.9 –3fv Arıza imzası ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi ... 93

Tablo 5.10 +3fc Arıza imzası ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi ... 95

Tablo 5.11 –fv, –3fv, –3fc, +3fc Arıza imzaları ile arıza tespiti ve arıza şiddetinin belirlenmesinde tahmin doğruluğu yüzdesi... 95

(18)

xiii

SİMGELER VE KISALTMALAR

fs Besleme geriliminin temel frekansı

Tload Yük momenti

fdmg Demagnetizasyon frekans harmonikleri p Kutup çifti sayısı

iq Durağan referans çatıdaki q-ekseni akım bileşeni vq Durağan referans çatıdaki q-ekseni gerilim bileşeni id Durağan referans çatıdaki d-ekseni akım bileşeni vd Durağan referans çatıdaki d-ekseni gerilim bileşeni Isv Kompleks akım uzay vektörü

Vsv Kompleks gerilim uzay vektörü fv Pozitif gerilim temel harmoniği fc Pozitif akım temel harmoniği MCSA Motor akım imza analizi kda Kısa devre arızası

CCVSI Akım kontrollü gerilim kaynaklı inverter SMSM Sürekli mıknatıslı senkron motor

MLP Çok katmanlı yapay sinir ağı kNN K-en yakın komşuluk yöntemi SVM Destek vektör makinası yöntemi DT Karar ağacı yöntemi

RF Rastgele orman algoritması

(19)

1 GİRİŞ

1.1. Genel Bakış

Motor arızaları, tümleşik bir sistemin performansını etkileyen en önemli faktörlerden biridir. Arızalı motorun arızasının henüz başlangıç aşamasında tespit edilip önlem alınması, sistemlerin devamlılığı açısından büyük önem arz etmektedir.

Geç kalınmış bir müdahale sonucu telafisi mümkün olmayan ekonomik kayıplar ortaya çıkabileceği gibi sistemin çalışamaz hale gelmesi de söz konusu olabilmektedir. Erken arıza teşhisi ile ortaya çıkabilecek sonuçların önceden kestirilip tedbir alınması, ekonomik kayıpların da önüne geçilmesini sağlamaktadır.

Elektrik motorları hareketli kontrol ve robotik gibi endüstriyel uygulamalarda en önemli rol oynayan bileşenlerden biridir. Endüstride daha hızlı ve daha güvenilir makinalar ile üretime devam edilmesi oldukça önemlidir. Son 10 yılda yüksek güç yoğunluğu, hassas ve kesin dinamik performans ve yüksek verimlilik talep edildiğinden değişik elektrik motor teknolojileri ve adaptif motor kontrol yöntemleri popüler hale gelmiştir [1-3].

Sürekli mıknatıslı senkron motorlar (SMSM), yüksek verim kabiliyeti, hacim ve ağırlığına göre yüksek güç sağlaması, hassas ve kararlı kontrol imkanı, yüksek moment gibi pek çok avantajlarından ötürü endüstri, tıp, uzay araçları ve silah sistemlerinde en fazla tercih edilen motor türlerinden biridir. Döner hareket yapan tüm motorlarda olduğu gibi SMSM’lerin de çalışma ömrü sağlıklı çalışmalarına bağlıdır. Sağlıklı olmayan yani arızalı olan motorun çalışma ömrü de kısadır.

Arızanın henüz başlangıç aşamasında iken tespit edilmesi ve buna müdahale edilmesi sistemin devamlılığı açısından ve motor çalışma ömrü açısından büyük öneme sahiptir.

Sürekli Mıknatıslı Senkron Motorlar ayarlanabilir hızlarda sürülebilen ve yukarıda belirtilen özellikleri ile birçok işin üstesinden gelebilmesi nedeniyle geniş bir kullanım alanına sahip olduğu için üzerine yoğun çalışılan bir konu haline gelmiştir [4]. Yüksek hızlarda sürülebilmesi, düşük hızlarda bile hassas moment kontrol kabiliyeti, yüksek güç ağırlık oranı, kompakt yapısı ve yüksek verimi gibi özellikleri SMSM’leri çekici hale getirmiştir [5]. Sm-Co ve Hd-Fe-B gibi nadir toprak elementli doğal mıknatıslardaki gelişmeler SMSM’lerin daha kompakt ve

(20)

2

verimli hale gelmesini sağlayan gelişmelerdir. Üstelik SMSM’lerde asenkron motorların aksine güç faktörü ve motor verimi, kutup sayısına ve motor hızına bağlı değildir. Tüm bu üstün özellikleri sayesinde SMSM’ler otomotiv, robotik ve havacılık endüstrilerinde en fazla kullanılmaya başlanan motorlar haline gelmiştir [6].

Diğer yandan güvenli çalışmanın kritik öneme sahip olduğu sistemlerde, sistemin bir bileşenindeki küçük bir arıza, büyük felaketlere yol açabilecek seviyeye ulaşabilmektedir [7]. Bu nedenle güvenilir çalışma, güvenlik ve arıza toleransı gibi kavramların bu tür sistemlerde önemi büyüktür. Sistemin güvenirliğini geliştirmek için meydana gelebilecek potansiyel arızaları tespit ve tolere edebilen kontrol sistemlerini de tasarlamak gereklidir [8].

Elektrik makinalarının arıza tespitinde sıcaklık ölçümü, radyo frekans emisyonu görüntüleme tekniği, ses ve titreşim izleme, akustik ses ölçümü, motor momenti, rotor hızı ve stator akım harmonik analizinin de yapıldığı çok sayıda farklı yöntem bulunmaktadır [9]. Bu yöntemlerden en sık ve yaygın kullanılanı benzersiz arıza örüntüsü sağlaması nedeniyle stator akım izleme yöntemidir [10]. Stator akım izleme yöntemi ile ekstra her hangi bir ekipmana ihtiyaç duyulmaksızın stator faz sargılarından elde edilen stator akımları kullanılır.

Stator akım izleme yöntemi çok sayıda matematiksel işlem tekniğine dayanır.

Bunlardan Fourier dönüşüm temelli yöntemler motorun sürekli durum çalışma koşullarındaki uygulamalarda geniş kullanım alanı bulmaktadır [11]. Bununla birlikte sürekli olmayan çalışma koşullarındaki uygulamalarda zaman-frekans analizi temelli yöntemler halen tercih edilmektedir [5].

1.2. SMSM Arızaları

SMSM’lerde meydana gelen arızalar manyetik, elektriksel ve mekanik arızalar olarak sınıflandırılabilmektedir. Manyetik arızalar genellikle mıknatıs kırıklığını ve demagnetizasyonu kapsamaktadır. Elektriksel arızalar ise sargılardaki bağlantı hataları, stator açık-devre, sarımlar arası kısa devre, faz-faz kısa devre ve faz-toprak arası kısa devre gibi arıza durumlarını kapsamaktadır. Mekanik arızalar, statik ve dinamik hava aralığı düzensizliği, bükülmüş şaft veya dinamik eksen kaçıklığı ve hasarlı rulman arızaları gibi anormalliklerden meydana gelmektedir [12]. SMSM’nin

(21)

3

arızaları Şekil 1.1’de de ifade edildiği üzere elektriksel, manyetik ve mekanik arızalar şeklinde üç grupta incelenmektedir [12].

Stator Sargı

Eksen Kaçıklığı

Rulman Hasarı

Mıknatıs Arızası Manyetik

Arızalar Mekanik

Arızalar Elektriksel

Arızalar

SMSM Arızaları

Şekil 1.1 SMSM’nin arıza türleri [12]

EPRI IEEE-IAS

I

%50 Mil yatağı

Stator

%25

%9

%16

IEEE-IAS II

(a) (c)

%26

Rotor

Diğer%22

Stator

%8

(b)

Stator

%36

%9

%14

Şekil 1.2 Büyük motorlar için motor arızaları anketi [2, 3].

Mekanik arızalar daha çok motorun dönen mekanik parçalarından kaynaklanan arızalarken elektriksel arızalar motordaki elektriksel kısımlarından dolayı meydana gelen arızalardır. Stator sargı arızaları, kırık rotor arızası, eksen kaçıklığı ve mil yatağı arızası gibi arızalar genel olarak tüm motorlarda meydana gelen başlıca arızalardandır. Şekil 1.2’de EPRI [2] ve IEEE [3] tarafından yapılan anket ve araştırmalara göre büyük motorlarda meydana gelen arızaların yüzdeleri gösterilmektedir. Bu sonuçlara göre mil yatağı ve stator arızaları baskın arıza tiplerindendir. Stator arızalarının tüm arızalar içerisindeki oranı %30 civarındadır.

(22)

4 1.2.1. Sarımlar Arası Kısa Devre Arızası

Elektriksel arızalara en çok neden olan problem sargı yalıtımının bozulmasıdır.

Kısa devre arızası henüz çok küçük boyutlarda yani sarımlar arası kısa devre arızası durumunda iken birkaç sarımda meydana gelen yalıtım bozulması giderek yayılarak daha şiddetli yalıtım arızalarına sebebiyet vermektedir [13]. Bu tür sarımlar arası kısa devre arızaları kısa devre olan sarım üzerinde kilitlenmiş rotor akımının iki katına kadar büyüklükte, sargıların aşırı ısınmasına neden olan bir kısa devre akımı meydana getirir [14]. Sarımlar arası meydana gelen kısa devre yayılarak önce aynı fazdaki tüm sargıların kısa devre olmasına ve zamanla da faz-faz arası kısa devre arızasına yol açmaktadır.

Elektriksel arızalar stator sargılarının bağlantı anormallikleri, stator sarımlarının açık-devresi ve stator sarımlarının kısa devresi ile ilişkilidir. Stator sargı yalıtımının bozulmasına bağlı olarak gelişen sarımlar arası kısa devre arızası üç fazlı motorlarda en sık rastlanan arıza türlerinden biridir [15].

SMSM’nin stator sarımlar arası kısa devre arızası, statorda aşırı bir akımın indüklenmesine ve rotor mıknatıslarının nötr akısına zıt bir manyetik akı oluşmasına bu da rotor mıknatıslarının hızlı biçimde demagnetize olmasına sebep olabilmektedir [16]. Şekil 1.3'de bir sürekli mıknatıslı senkron motor (SMSM)’nin bir fazında meydana gelen sarımlar arası kısa devre arızası gösterilmektedir.

ia

PM1 +

+

+ +

ωr

Şekil 1.3 Bir SMSM’de stator sarımlar arası kısa devre arızası gösterimi

Sarımlar arası kısa devre olayı SMSM’lerde en sık karşılaşılan arızalardan biridir. Şematik olarak Şekil 1.4’te gösterilen kısa devre olayı tespit edilmediğinde,

(23)

5

makinada mıknatısların demagnetize olması gibi bir takım önemli problemlere neden olmaktadır [16].

A

B

C

Rs

R_s

Rs

I_c Ib

Ia- Rf If

I_f a_1i a1o a2i a2o a_3i a_3o

b1i b1o b2i b2o b3i b3o

c_1i c1o c2i c2o c_3i c_3o

Şekil 1.4 Statorunun bir fazındaki sarımlar arasında kısa devre olayı

Stator sarımlar arası kısa devre olayında oluşan if kısa devre akımı, hava aralığındaki stator MMF dağılımını etkilemektedir. Stator faz sargısındaki kısa devre arızası, makina akısını üç yönden etkilemektedir. Bunlardan ilki kısa devreye sahip olan faz sargısı daha az MMF üreteceğinden etkinliği azalır. Üstelik kısa devre olayı özellikle oluklardaki sızıntı akısının artmasına yol açacağından bu durum saturasyon (doygunluk) koşullarının değişmesine neden olur. Böylece stator devresinin etrafındaki akı yoğunluğu değişmiş olur. İkincisi kısa devre olan sarımlar bağımsız bir faz gibi hareket ederek kısa devreli faz sargılarına zıt etkili kendi MMF’ini oluştururlar. Daha sonra kısa devreli sargılarda oluşan akım, temel hava aralığı akısının meydana gelmesine engel olacaktır [12]. Üçüncüsü, kısa devre akımları sargılardaki sıcaklığın artmasına sebep olduğundan sargı yalıtımı bozulabilmektedir.

Sarımlar arası kısa devre olayı sonucu stator simetrisinin bozulması ile bazı harmoniklerin genliklerinin ciddi değişimler göstermesi, sarımlar arası kısa devre olayının ciddi sonuçları arasında sayılabilir. Harmonik genliklerinin kısa devre olayına bağlı değişimleri sarımlar arası kısa devre arızasının tespitinde kullanılabileceği fikrinin temelini oluşturmaktadır.

Sarımlar arası kısa devre arızaları başlangıçta küçük boyutta olsa bile, motora ciddi hasarlar verebilecek faz-toprak kısa devre arızasına yol açabilmektedir [13].

Faz-toprak kısa devre arıza akımı motorun çekirdeğinde (nüvesinde) çok ciddi bir hasara ve motorun sistemden çıkarılıp kullanım dışı kalmasına yol açabilmektedir

(24)

6

[17]. Ayrıca sarımlar arası kısa devre arızasından dolayı oluşan aşırı stator akımları, rotor mıknatıslarının nötr akısına zıt bir manyetik akım oluşmasına ve rotor mıknatıslarının hızlı biçimde demagnetize olmasına neden olabilmektedir [16].

Diğer taraftan, üç fazlı bir motorun faz dirençleri mümkün olabildiğince dengelidir. Endüstride genellikle paslanma veya çalışma ortamının kirliliği bağlantılarda dengesizlik meydana getirmektedir. Üstelik titreşimli çalışma ve ısıl döngü işlemleri bağlantıların bozulmasına neden olabilmektedir [18]. Bağlantı gevşekliği, hem lokal aşırı ısınmaya, dengesiz gerilim ve akımlara hem de kısa devre ve açık devre gibi elektriksel arızalara sebebiyet verebilmektedir [19]. Akım veya gerilim dengesizliği durumu, motor sıcaklığının aşırı yükselmesine neden olduğu gibi motor verimine ve performansına olumsuz etkisi olan negatif gerilim ve akım bileşenlerinin oluşmasına yol açabilmektedir. Ayrıca, gerilim dengesizliği, kendi genliğinin birkaç katı büyüklüğünde bir akım dengesizliği meydana getirebilmektedir. Stator sargılarının sarımlar arası kısa devre arızasına bağlı olarak zamanla ısınmasından dolayı empedans dengesizliği de bununla birlikte artış gösterebilmektedir [20].

1.2.2 Rotor Mıknatıslarının Demagnetizasyonu Arızası

Mıknatısta meydana gelen kısmi demagnetizasyon arızası, dengesiz manyetik çekme, manyetik harmonikler, akustik gürültü ve titreşim gibi birçok olumsuz mekanik etkilere neden olmaktadır [21]. Bu arıza dolaylı olarak SMSM’nin mekanik mil momentinin azalmasına ve motor performansının da olumsuz etkilenmesine neden olmaktadır [16]. Kısmi demagnetizasyon arızasından dolayı, SMSM, arızasız durum ile aynı mil momentini üretebilmek için daha yüksek bir stator akımına ihtiyaç duymaktadır. Bu akım artışı SMSM’nin stator sarımlarındaki sıcaklığı arttırmakta ve bu da daha büyük bir demagnetizasyona ve stator akım artışına neden olmaktadır [22]. Buna ek olarak sarımlar arası kısa devre arızası da aşırı akımlara neden olacağından buna bağlı demagnetizasyon arızasını meydana getirebilmektedir [16]. Yaşanabilecek en kötü durum, armatür reaksiyonu en yüksek seviyede olduğunda, yani motor aşırı yüklerle sürüldüğünde statorun tüm sargılarının tamamen kısa devre olması durumudur [21]. Stator sargılarının kısa devre olan miktarının artması arıza etkilerini de arttırır ve sürekli mıknatısın çalışma noktasının

(25)

7

geri dönülemez demagnetizasyon bölgesi noktasına kadar düşmesine neden olabilir [23].

Sürekli mıknatıslı makinalar, normal çalışma koşulları altında çalıştırıldığı sürece, rotor mıknatıslığı devam edebilecek şekilde tasarlanmışlardır. Stator sargılarında meydana gelen kısa devre arızasından dolayı oluşan kısa devre akımından veya aşırı yüklenmeden dolayı, motorun aşırı ısınması rotor mıknatıslarının çalışma noktasının demagnetizasyon bölgesinin altına düşmesine neden olabilir. Şekil 1.5’te SMSM’nin sağlıklı, 4 ve 8 sarımın kısa devre olması durumları için 120 °C’lik çalışma sıcaklığındaki demagnetizasyon eğrisi ile çalışma noktaları görülmektedir. Çalışma noktası, demagnetizasyon eğrisi ile dış manyetik devrenin geçirgenliğini ifade eden lineer doğrunun kesiştiği nokta olarak tanımlanır.

Burada dikkat edilmesi gereken husus, sıcaklık artışı demagnetizasyon eğrisini sağa doğru yanaşmasına neden olabilmesidir. Böylece k demagnetizasyon noktası lineer bölgeye yaklaştıkça, mıknatısların kalıcı ve geri dönülemez biçimde demagnetize olma riski ortaya çıkmaktadır [24].

0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 1.100 1.200 1.300

-50 -100 0 -150 -200 -250 -300 -350 -400 -450 -500 -550 -600 -650 -700 -750 -800 -850

8 sarım k.d.

4 sarım k.d.

Sağlıklı

Demagnetizasyon noktası

Alan Şiddeti (kA/m)

Akı Yoğunluğu (Tesla)

-50

120 °C

Şekil 1.5 SMSM’nin sürekli mıknatıslarının çalışma noktaları [24].

Eğer arıza, çalışma noktasının altındaki lineer bölgeye kadar düşmesine sebebiyet verirse o zaman geri dönüşü olmayan bir akı kaybı da meydana gelecektir [25]. Demagnetizasyonun bir sonucu olarak, dağıtılmış manyeto motor kuvvet (MMF) sinüzoidal değildir. Eğer demagnetizasyon var ise demagnetizasyon frekans harmonikleri gözükür [5].

f_dmg  f_s 1k p/ , k=1,2,3,...n (1.1)

(26)

8

Burada k herhangi bir tam sayıyı, p kutup çifti sayısını ve fs kaynağın temel frekansını ifade etmektedir.

1.2.3. Eksen Kaçıklığı

Eksen kaçıklığı arızaları, mekanik arızalar sınıfında incelenmektedir. Eksen kaçıklığı arızası statik, dinamik ve karışık eksen kaçıklığı arızalarını kapsamaktadır.

Bu arızalar dengesiz kütle, şaft burulması ve rulman toleransı gibi imalat hatalarından dolayı meydana gelmektedir. Eksen kaçıklığı, moment vuruntusu, gürültü ve titreşimli çalışma gibi problemlere neden olabilir [12].

Eksen Kaçıklığı arızaları, elektrik motorlarında meydana gelen arızaların içerisinde kayda değer bir oranı oluşturmaktadır. Dönen makinalardaki eksen kaçıklığı, stator ile rotor arasındaki hava aralığının düzensiz olması şeklinde tanımlanır [26]. İki çeşit hava aralığı eksen kaçıklığı arızası vardır bunlar; statik ve dinamik eksen kaçıklığıdır. Statik eksen kaçıklığı durumunda hava aralığı boşluğu düzensizdir, ancak minimum olan radyal uzunluk sabittir. Rotor şaftının merkezi tam ortada olmadığı ve minimum radyal uzunluk rotora bağlı değiştiği durumda dinamik eksen kaçıklığı meydana gelmektedir [27]. Statik ve dinamik eksen kaçıklığı genellikle aynı anda var olma eğilimindedir. İmalatı gereği sağlıklı motorlarda da küçük ve kabul edilebilir seviyede statik eksen kaçıklığı bulunmaktadır.

Dinamik eksen kaçıklığından ötürü oluşan arıza harmonikleri aşağıdaki eşitlikte ifade edilmiştir [28].

2 1

e s 1

f f k

p

  

   

  (1.2) Burada fe stator akımlarındaki arıza harmoniklerini (frekanslarını) ifade etmektedir.

1.2.4. Rulman Hasarları

Elektrik makinalarının büyük çoğunluğunda rulman ve rulman içerisinde bilyeler kullanılmaktadır. Her rulman içte ve dışta olmak üzere iki adet bilezikten oluşmaktadır. Dönüşü sağlayan bir set bilye bu halka bileziklerin içerisinde bulunmaktadır. Elektrik makinaları dengeli yükleme, iyi hizalama vb. gibi normal

(27)

9

çalışma koşulları altında çalıştırılsa bile rulmanlarda metal yorulması nedeniyle arızalar meydana gelebilir. Metal yorulması, rulmanların zamanla pullanma ile dökülmesine ve küçük çatlaklarla kırılmaya başlamasına neden olabilmektedir.

Bunlar dışında titreşim, doğal eksen kaçıklığı ve rulman akımları da rulman hasarlarının sebebi olabilmektedir [29].

Rulman arızaları bazen eksen kaçıklığı arızası olarak kabul edilen rotor asimetrisi olarak ortaya çıkabilmektedir [26]. Rulman bilyeleri ile ilişkili hasarlar dış rulman hasarları, iç rulman hasarları, bilye hasarları ve takım hasarları olarak sınıflandırılabilir. Tüm bu mekanik hasarlar, sarımlarındaki stator akımlarında yeni harmoniklerin oluşmasına ve makina içerisindeki akı dağılımının bozulmasına yol açar. Arıza frekanslarının (harmoniklerinin) karakteristiği makinanın mutlak hareketinin (titreşiminin) sonucudur [30]. Stator akımı stator ile rotor arasındaki hava aralığı miktarının değişmesinden daha ziyade makinanın mutlak hareketinden etkilenmektedir. Rulman arızası meydana geldiğinde arıza frekansları esas olarak elektriksel kaynak frekansı tarafından modüle edilmektedir.

Rulman arızalarından kaynaklanan mekanik yer değiştirme, eksen kaçıklığının her iki yöne hareketi şeklinde tanımlanabilen makina hava aralığının değişimine neden olmaktadır. Rulman arızaları aşağıda verilen frekanslarda stator akım harmonikleri üretmektedir [31–33].

_, 1 cos 2

b d

i o r

d

n b

f f

p

 

   

  (1.3)

,

bng s i o

f  f kf (1.4) Burada nb rulman bilyelerinin sayısını, fi,o karakteristik titreşim frekanslarını, fr

rotor mekanik hızını, bd bilye çapını, pd rulman aralığı çapını, β yuvadaki bilyelerin dokunma açısını ifade etmektedir.

1. 3. Tezin Amacı

Çok sayıdaki üstün yönleri ile kullanımı gittikçe yaygınlaşan sürekli mıknatıslı senkron motorlarda meydana gelen stator arızalarının, motor verimine, güvenilir ve kararlı çalışmasına olumsuz yönde etki ettiği daha önce yapılan çalışmalarda vurgulanmıştır. Bu sebeple stator arızalarına neden olan ve genellikle sargı

(28)

10

yalıtımının bozulmasından kaynaklanan sarımlar arası kısa devre arızasının henüz başlangıç aşamasındayken tespiti kritik bir önem taşımaktadır. Stator sarımlar arası kısa devre arızası çok hızlı yayılabilen ve tüm sistemin çökmesine neden olabilecek bir arıza türü olması bakımından, SMSM’nin arızasının erken belirlenebilmesi, sistemin güvenilir çalışması için gerekli bakım stratejilerini kurgulamaya imkân verir.

Bu tezin ana amacı bir sürücü ile beslenen üç fazlı SMSM’lerde sıkça karşılaşılan sarımlar arası kısa devre arızasının erken evrede tespit etmek ve arızalı SMSM’lerin arıza şiddetinin yapay sinir ağıları ile otomatik olarak belirleyebilmektir. Bu tez kapsamında motor faz akımları ve gerilimleri kullanılarak arıza tespiti ve arıza şiddetinin sınıflandırılması için aşağıdaki çalışmalar yapılmıştır.

 Farklı hız ve yükler altında çalışan SMSM’nin tek faz stator akımına hızlı Fourier dönüşümü (FFT) uygulanarak, akım spektrumlarının izlenmesi, sağlıklı ve farklı orandaki arıza şiddetine sahip SMSM’lerin harmonik genliklerinin değişimlerinin analiz edilmesi.

 Vektör kontrol ile sürülen SMSM’nin stator akım ve gerilim d-q eksen bileşenlerinden (iq, vq ve id, vd) yararlanılarak bir arıza tespit algoritmasının geliştirilmesi ve yeni arıza imzalarının belirlenmesi

 Arızanın tespitinde ve arıza şiddetinin belirlenmesinde kullanılabilecek ve başarılı sonuçlar verdiği gözlenen yeni arıza imzaları kullanılarak k-en yakın komşuluk yöntemi (kNN), destek vektör makinası yöntemi (SVM), karar ağacı yöntemi (DT), rastgele orman (RF) yöntemi ve çok katmanlı yapay sinir ağları yöntemi (MLP) gibi sınıflandırma yöntemleri kullanılarak arıza şiddetinin otomatik olarak belirlenmesi ve yöntemlerin başarısının birbirleri ile karşılaştırılması.

1. 4. Tez İçeriği

Bu tez çalışması 6 ana bölümden oluşmaktadır. Bölüm 1'de SMSM’de meydana gelen arızalara genel bir bakış sunulmuştur.

Bölüm 2’de daha önceki çalışmaların anlatıldığı kapsamlı bir literatür taraması yapılmıştır. Bu bölümde SMSM ve diğer elektrik makinalarında stator sargı

(29)

11

yalıtımının bozulması ile meydana gelen kısa devre arızaları ve tespit yöntemleri üzerine yapılan çalışmalar incelenmiştir.

Bölüm 3’te arıza tespitinde kullanılan durum izleme yöntemleri, arızaların tespiti ve teşhis edilmesinde kullanılan yöntemler ve arıza şiddetinin belirlenmesi için tezde kullanılan sınıflandırma yöntemleri anlatılmıştır.

Bölüm 4’te SMSM’nin sağlıklı ve arızalı durumları için matematiksel modelleri elde edilerek bilgisayar benzetimi yapılmış ve bu benzetime ait sonuçlar verilmiştir. Bu bölümde sürekli mıknatıslı senkron motor modellendikten sonra geliştirilen yöntem ve algoritmalar temel alınarak benzetim sonuçları incelenmiştir.

Bölüm 5’te arıza tespiti ve arıza şiddetinin belirlenmesi için geliştirilen algoritmaları uygulamak için gereken deneysel devre düzeneği ve gereksinim duyulan akım ve gerilim verilerini elde etmek ve işlemek için gereken donanım detaylı olarak açıklanmıştır. Ayrıca laboratuvar ortamında oluşturulan deney düzeneği ile yapılan uygulamalardan elde edilen deneysel sonuçlar incelenmiştir.

Bölüm 6'da bu tezin sonuçlarını, katkısını ve gelecekte yapılması planlanan çalışmalar için önerileri içermektedir.

(30)

12

2. DAHA ÖNCE YAPILAN ÇALIŞMALARIN ÖZETİ

Son yıllarda bilim insanlarınca arıza tespiti alanında yapılan çalışmalarda büyük artış gözlenmektedir. Henüz başlangıç aşamasındaki arızanın tespiti ile karşılaşılabilecek ciddi bir arızanın önüne geçilebileceği gibi büyük ekonomik kayıpları da bertaraf edeceğinden literatürde özellikle asenkron motorlar ve diğer motor türlerindeki arızalar üzerine çok sayıda çalışma ve arıza tespit yöntemi mevcuttur.

Elektrik motorları arızaları genellikle mekanik ve elektriksel arızalar olmak üzere iki ana başlıkta incelenmektedir. Mekanik arızalarda motorun rulman, yatak, dişli, yağsızlık, dinamik ve statik eksantriklik gibi arızaları incelenmektedir.

Elektriksel arızalarda stator sargı kısa devre, rotor sargı kısa devre, faz-toprak kısa devre, sargıların yanlış bağlanması, yanlış toprak bağlantısı ve açık devre gibi arızalar incelenmektedir [27, 46–48].

Elektrik makinalarındaki sargıların yalıtımında kullanılan organik malzemeler aşırı ısınma, ani gerilim dalgalanmaları, çalışma ortamının kirliliği gibi bir takım zorlayıcı unsurlara maruz kalmaktadırlar. Bu unsurlar zamanla sargı yalıtımının bozulmasına neden olmaktadır. Stator sargı yalıtımının bozulmasının ana nedenlerden biri aşırı ısınmadır. Sargı yalıtımının bozulmasına neden olan aşırı ısınmanın olası 3 nedeni vardır. Bunlar; yaşlanma, aşırı yüklenme ve kısa devre akımıdır [37]. Sıcaklık limitlerinin üzerinde işletilen en iyi yalıtıma sahip sargı bile hızlıca bozulabilir. Kurala göre, çalışma limitinden 10 °C üzerinde işletilen stator sargı yalıtımının ömrü %50 kısalır [38].

Stator kaynaklı arızaların, elektrik makinalarında görülen arızalar içerisindeki payı %30-%40 arasındadır [26, 35, 36, 39–41]. Sargılardaki kısa devre olayı aşırı ısınma nedeniyle stator oluklarındaki bobinin etrafındaki yalıtkanın özelliğini yitirmesi sonucu, iki veya daha fazla sarımın birbirine temas etmesi ile ortaya çıkan bir durumdur [42–44]. Belli sayıdaki sarımın kısa devre olmasıyla sargının o bölümünde yüksek genlikli bir kısa devre akımı oluşur. Bunun yanı sıra faz sargısı üzerinde kısa devre üzerinden tamamlanan devre neticesinde sargı indüktansında bir dengesizlik meydana gelmektedir. Kısa devre olan sarım sayısının, faz sargısı içerisindeki payı, yüzde olarak kısa devre arıza oranı ile ifade edilmektedir.

(31)

13

Elektrik makinalarının statorunda meydana gelen arızaların tespiti ile ilgili yapılan çalışmalar aşağıda sunulmaktadır. Bu arıza tipi elektrik makinalarında meydana gelen yaygın arızalardan olduğundan araştırmacıların ilgisini çekmiştir.

Ayrıca SMSM’lerde meydana gelen stator arızalarının genellikle küçük boyutlardaki sarımlar arası kısa devre arızalarının giderek yayılmasına bağlı olarak geliştiği ile ilgili, çok sayıda çalışma olduğundan bu tez çalışmasında bu tür arızaların tespitine ve arıza şiddetinin belirlenmesine yönelik çalışılmıştır.

2.1. Elektrik Makinalarının Statorunda Meydana Gelen Arızalar ile İlgili Çalışmalar

Elektrik makinalarının stator sarım arızası üzerine çok sayıda çalışma yapılmıştır [27, 47, 48, 51]. Bunlardan T.W. Thomson ve arkadaşlarının yaptıkları çalışmada asenkron motor arızalarını tespit etmek için Motor Akım İmza Analizi (Motor Current Signature Analysing-MCSA) yöntemi kullanılmıştır. Bu yöntem genellikle kısa devre sarım arızası, rotor çubuğu kırığı arızası, eksen kaçıklığı ve diğer mekanik arızaları tespit etmek için etkili durum izleme yöntemlerinden biridir [9]. MCSA yönteminin üstün yönleri; uygulanan yükten ve diğer dengesizliklerden etkilenmiyor olması ve ayrıca meydana gelen elektriksel veya mekanik arızalar nedeniyle gerilim kaynağı frekansı etrafında oluşan harmonik bileşenlerinin daha görünür hale gelmesidir [57, 58].

[47]’de motoru süren bir VSI'nin altı anahtarının aktif durumunun istatistiksel dağılımı CCVSI sürücülü motor uygulamalarında sarım arızasının imzası olarak önerilmektedir. Ancak bu çalışmada VSI’nin karakteristiği yeterince göz önüne alınmamıştır zira yük osilasyonundan veya inverterin nonlineerliğinden (doğrusal olmayışından) kaynaklı olarak altı anahtarın istikrarsız veya dengesiz çalışması söz konusu olabilmektedir. Bu nedenle bu yöntem kullanılacak ise bu tür durumlar dikkate alınmalıdır.

Bir diğer sarım arızası tespit yöntemi makinanın terminal gerilimlerine yüksek frekanslı bir taşıyıcı sinyalin enjekte edilmesidir [48]. Bu yöntem sarım arızasının tespiti için yüksek frekanslı negatif akım bileşeninin kullanılmasını esas almaktadır.

Bu yöntem sürücünün ideal olmamasından ya da nonlineer çalışmasından olumsuz olarak etkilenmediği halde karmaşık ve zor hesaplamalar gerektirmektedir.

(32)

14

[49]’da uzay vektör domenindeki zamanla değişen bir sinyalin gözlemlenmesine dayanan veri adaptasyon yöntemi önerilmektedir. Bu önerilen yöntem, zamanla değişen bir sinyaldeki her frekans bileşeninin ister saat yönünde isterse saat yönünün tersinde dönsün referans çatıdaki bir dc bileşenmiş gibi gözlemlenmesi fikrine dayanmaktadır. Bu prensip zamanla değişen bir sinyalin spesifik (belirli) frekans bileşenlerinin daha basit ve kolayca elde edilebileceğini sağlamaktadır.

Bir sürücüdeki doğal asimetriyi gidermek ya da etkisini telafi etmek için yapay sinir ağı tabanlı look-up tabloları kullanılmaktadır [50, 51]. Bu iki yöntem, doğal sürücü asimetrisi olan sistemlerdeki motorların sarım arızasının tespitinde hassasiyeti attırabilecek yöntemlerdir. Ancak bunun için nöronların eğitim aşaması için genellikle motorun tüm çalışma koşullarındaki çok sayıda ve yoğun verileri alınması gerekmektedir.

Sarımlar arasında bir kısa devre oluşması, bir makinada ortadan kaldırılması ve tespit edilmesi oldukça zor olan, en kritik ve önemli arıza türüdür [46]. Stator sarım arızaları genellikle yalıtım arızası ile ilgilidir. Sarımlar arası kısa devre arızasının akım, gerilim, eksenel akı ve d-q gerilim ve akım bileşenlerinin analizine bağlı birçok tespit yöntemi mevcuttur [52, 53]. Durağan olmayan sinyallerin frekans içeriklerini analiz etmenin en iyi yolu bu amaçla geliştirilen çok sayıda zaman- frekans analizi yöntemlerini kullanmaktır [54, 55]. Güçlerin Ayrıştırılması Tekniği (Power Decomposition Technique-PDT) sinyallerin pozitif ve negatif bileşenleri ölçmek amacıyla uygulanmaktadır. Bu bileşenlerin değişimi ile motorun dengesizlik durumlarının izlenmesi motoru analiz etmek için uygun bir araçtır. Motorun negatif bileşeninin değişimi motor stator kısa devre arızasının tespitinde kullanılabilmektedir [56].

[57]’de asenkron motorun stator kısa devre arızasının tespitinde Park-Hilbert dönüşümlerinden elde edilen 5 farklı arıza imzaları kullanılmaktadır. Bu çalışmada arıza imzaları olarak 2fs±fr, fs ve fs±fr kullanılmaktadır. Arıza şiddeti ve yük miktarı arttıkça bu arıza imzalarının daha belirgin olduğu vurgulanmaktadır.

[58]’de %25 ve %40 stator kısa devre arıza şiddetine sahip asenkron motorun arıza tespitinde arızanın meydana geldiği sargı üzerindeki sıcaklık artışının kızılötesi termal görüntüleri kullanılması deneysel olarak yapılmıştır. [59]’da ise stator kısa

(33)

15

devre arızası, kırık rotor arızası ve rulman arızası olan asenkron motorun 3 farklı arıza türü için kızılötesi termal görüntüleri elde edilmiş ve bu görüntüler arıza türünü belirleyen yapay sinir ağı ve kNN sınıflandırıcılarda arıza imzaları olarak eğitimde kullanılmıştır. Buna göre eğitilen her iki sınıflandırıcı sonucunda arıza türü %100 doğrulukla belirlenebilmektedir.

[60]’da asenkron motorun akım sinyallerinin örneklenerek sayıllaştırılmasına dayanan ve Multi-agent System (MAS) olarak isimlendirilen bir arıza tespit algoritması önerilmiştir. Bu algoritmada, arıza imzası olarak kullanılan stator akımlarının zaman eksenindeki değerleri normalize edilerek, eğitilen sınıflandırıcı ile yapılan arıza tespitinin %90 üzerinde bir başarı yakaladığı bildirilmektedir.

[61]’de asenkron motorun şekilsel gerilim zarfı ile şekilsel akım zarfı ve bunların birbiriyle olan oto korelasyonu göz önüne alınarak stator kısa devre arıza tespiti yapılmaktadır. [62]’de ise asenkron motorun stator kısa devre arıza tespitinde ani güç imzası kullanılmıştır. Burada %10 kısa devre arızalı motor akım sinyallerinin spektrumu incelendiğinde 2fs±fr ve 4fs±fr harmonik bileşenlerinden arızanın tespit edildiği bildirilmiştir.

[63]’te dalgacık dönüşümü (wavelet) ile kısa devre arıza tespiti yapılmış ve asenkron motorun üç faz stator akımlarının d1, d4 ve d5 dalgacık paketlerindeki arızaya bağlı değişimler ile arıza indeksleri elde edilmiştir. Bu arıza indeksleri kullanılarak eğitilen yapay sinir ağı ile arıza tespitinin %99 doğrulukla yapıldığı ifade edilmiştir.

[64]’de kısa devre arızalı bir asenkron motordan elde edilen ses sinyallerinin ses kartı ile toplanıp sağlıklı bir motorunki ile kıyaslanarak arıza tespiti yapılmıştır.

Analog olarak alınan ses sinyallerinin FFT ile işlenerek, elde edilen arıza imzaları, kNN sınıflandırıcı ile eğitilmiş ve arıza tespitinin %96 doğrulukla yapıldığı bildirilmiştir.

[65]’te asenkron motorun stator kısa devre arızasının Park dönüşümü kullanılarak elde edilen uzay vektör akım ve gerilim negatif bileşenlerinden elde edilen admitansların dengesizliğinden tespit edilebildiği bildirilmektedir. Burada eşitlik (2.1)’de gösterildiği gibi negatif akım ve gerilimler, admitansların elde edilmesinde kullanılmıştır.

(34)

16 I i _d ji_q

   I_p ^{j t}^ I^*_n ^{ }^{j t} (2.1)

Y V_p _p ^{j t}^ Y V_n^* _n^*^{ }^{j t}

Elde edilen admitans matrisleri, sağlıklı ve arızalı durumlar ile karşılaştırılarak arıza tespiti yapılabilmektedir [65].

[66]’da %1, %3, %5 ve %10 stator kısa devre arıza oranlarına sahip asenkron motorların üç faz akım sinyallerinin her bir periyodu zaman domeninde 100 eşit parçaya bölümlenerek, her bir bölüme ait genlik değerleri ile yapay sinir ağları, destek vektör makinası ve bulanık sınıflandırıcılar eğitilmiş ve arıza tespiti yapılmıştır.

[67]’de asenkron motorun durum izlemesi için endüstri onaylı örüntü gözlem algoritması (PSA) ve genetik algoritma (GA) kullanılmıştır. Burada arıza tespit sistemi ve stator sargılarındaki arıza koşulları ɳf ve θf olarak simgelenen iki özgün parametre ile karakterize edilmiştir. Bu parametrelerden ɳf arıza şiddetini, θf ise arızanın yerini ifade etmektedir. Burada ifade edilen parametreler kullanılarak yapılan arıza tespit algoritmasına parametre tahmin metodu denilmektedir. ɳf ve θf

olarak simgelenen iki özgün parametre, oluşturulan matematiksel modellerde endüktans matrisinde eşitlik (2.2)’de belirtildiği gibi kullanılmış ve Matlab/Simulink’te oluşturulan benzetim modelinde arıza tespiti yapılmıştır.

2 3

  

 

      

    

 

f

sf f p f

f

cos( )

L L cos( / )

cos( / )

(2.2)

Burada Lp ortak indüktans matrisini temsil etmekte olup Lsf arıza koşullarındaki stator indüktans matrisi olarak tanımlanmaktadır.

[68]’de asenkron motorun stator fazlarından elde edilen akım sinyallerinin birbirleri ile olan ilişkisine ve benzerliğine dayalı olan ortak bilgi (MI) tabanlı bir arıza tespit yöntemi geliştirilmiştir. Bu yönteme göre sağlıklı motorlardan elde edilen akım sinyallerinin zaman domenindeki örüntüsü ile %1, %3, %5 ve %10 oranında stator kısa devre arıza şiddetlerine sahip, asenkron motorlardan elde edilen akım sinayallerinin zaman domenindeki örüntüleri karşılaştırılmaktadır. Bu akım

(35)

17

sinyallerinin benzerlik ilişkisi yapay sinir ağında eğitilerek bir arıza tespit sınıflandırma algoritması elde edilmektedir. Yapılan testler sonucunda bu algoritmayla %93 doğruluk başarı oranı ile arıza tespiti yapılmıştır.

[69]’da üç fazlı bir asenkron motorun stator kaynaklı kısa devre arızalarının tespiti temel bileşen analizi (PCA) yöntemi kullanılarak elde edilen katsayılar ile yapay sinir ağı tiplerinden biri olan çok katmanlı algılayıcı (MLP) ile yapılmaktadır.

Böylece %84 doğruluk oranına sahip bir başarı elde edilmektedir.

[70]’te stator kısa devre arızasının tespitinde akımın negatif bileşeninin kullanılmasının etkili bir yöntem olduğu ortaya konmuştur. Ancak sarım dengesizliği veya dengesiz besleme gerilimi gibi anormalliklerin de akımın negatif bileşenini etkilediği tespit edilmiştir.

[71]’de asenkron motorlarda sarımlar arası kısa devre arızasının tespiti için akımın negatif bileşen temel harmoniği (−f) ile birlikte stator faz akımının pozitif ve negatif 3. harmoniği (±3f) kullanılmıştır. Burada stator sargı asimetrikliğinin sarım arızası ile karıştırılmaması için pozitif 3. harmonik ile negatif 3. harmoniğinin birlikte ele alınması gerektiği ifade edilmiştir.

[72]’de asenkron motorun stator arızasının tespiti için yapay zekâ tabanlı alternatif bir yaklaşım geliştirilmiştir. Ayrıca [73]’de asenkron motorun zaman domenindeki akım genlikleri kullanılarak rotor, stator ve rulman arızalarının tespiti için karar ağacı, destek vektör makinası, k-en yakın komşuluk yöntemi ve yapay sinir ağları gibi örüntü sınıflandırıcıları kullanılmıştır.

Sonuç olarak, sarımlar arası kısa devre arızalarının tespiti ve teşhisi alanında son yıllarda büyük gelişmeler elde edilmiştir. Stator sarım arızası, başlangıç aşamasında tespit edilirse, uygun bakım stratejisi ile arıza, felaket ve geri dönülmez bir boyuta ulaşmadan önlenebileceğinden, araştırmacılar için sarım arızalarının erken teşhisi ilgi çekici olmuştur.

2.2. SMSM’lerde Stator Sarım Arızasının Tespiti Üzerine Yapılan Çalışmalar Stator sarım arızası, kısa devre sarımlarında aşırı ısı üretmesine yol açan büyük bir akım üretir. Bu ısı, kısa devre akımının karesiyle orantılı arıza şiddetini hızlandıran olumsuz bir etki yaratmaktadır [74]. Bu olumsuz etkisinden ötürü sarım